Gautam Kanumuru, Yogi’nin CEO’su ve Kurucu Ortağı – Röportaj Serisi

Önce Microsoft’ta NLP ve Cortana üzerinde çalıştınız, ardından Clarke.AI’yi bir satın alma yoluyla yönettiniz. Yogi’yi başlatmanıza ne motive etti ve geçmişiniz şirketin misyonunu nasıl şekillendirdi?

Beni Yogi’yi başlatmaya iten şey, doğal dil işlemenin potansiyeliydi. Microsoft ve Clarke.AI’de, NLP’de küçük bir iyileşmenin – diyelim ki %5-10’luk bir performans artışı – nasıl yüzlerce aşağı akış kullanım durumunu kilitleyebileceğini gördüm. Ancak, bir demo’da etkileyici görünen şeyin müşterilere gerçek değer sağlamadaki açığı da fark ettim. Yogi ile, bu açığı kapatmaya çalıştık. Somut, görünür bir etki yaratmak istedik – Örneğin, mağaza raflarındaki bir ürün değişikliği gibi.

Yogi’nin erken günlerinde, tüketici markalarının müşteri sentimenti gibi nüanslı bir konuda AI’ye güvenmelerini sağlamak için en büyük engel neydi?

Kuşkuculuk iki yerden geliyordu: birincisi teknoloji itselfi, ikincisi ise bizim küçük bir şirket olarak büyük şirketlerle konuşmamızdı. Hızlı bir şekilde öğrendik ki, ürününüzün ne yapabileceğini konuşmak yeterli değildir, bunu göstermeniz gerekir. Örnekleri analiz etmeye başlamadan önce teklif etmek, gerçek iş sorularını yerinde cevaplamak ve her zaman ilk günden itibaren değer sağlamak anlamına geliyordu. Ayrıca, benim için güvenilirlik mattered.

Yogi, AI ve NLP’yi kullanarak ürün incelemelerinden sentimenti çıkarır. Bu süreci – ham alıcı geri bildirimi nasıl granüler, eyleme geçirilebilir kazanımlara çevirir – bize anlatabilir misiniz?

Bunu üç aşamada düşünüyoruz: toplama, organize etme ve analiz etme. İlk olarak, müşteri geri bildirimini çeşitli kanallardan – incelemeler, anketler, destek biletleri – topluyor ve bunları doğru ürün, SKU ve perakendeciye bağlıyoruz. Bu, göründüğünden daha zor. Aynı ürün, farklı sitelerde slightly farklı listelemelere sahip olabilir.

Sonra verileri organize ediyoruz. Burada, ikinci AI katmanımız, insan gibi geri bildirimi okur. Tartışılan konuları, nasıl tanımladıklarını ve sentimenti belirler – sadece anahtar kelimelere bağlı kalmadan.

Son olarak, analiz ediyoruz. Bu, kullanıcılarımızın yüksek düzeyde etkileşimli bir arayüz aracılığıyla kazanımları sunabileceğimiz yer. En yeni araçlarımız, kullanıcıların “Son bir yıl içinde üç rakibime karşı nasıl performans gösterdim?” gibi karmaşık sorular sormalarına ve saniyeler içinde cevap almalarına olanak tanır.

Yogi’nin AI modelleri genel duygu analizi araçlarından nasıl ayrılıyor? Tüketici geri bildirimlerindeki nüansı yakalamak için kullandığınız özel teknikler var mı?

Yogi, tüketici geri bildirimi alanında uzmanlaşmış bir PhD seviyesinde uzmanlık sunar. Genel modeller, hatta gelişmiş olanlar gibi ChatGPT, genel bilgi sahibi ancak bu alanda uzman değil. Bizim modellerimiz, bu alanda özel olarak ajuste edilmiştir ve kendi verisetimiz ve geniş ön işleme kullanılarak geliştirilmiştir. Sentiment, konular ve ürün eşleme gibi yapı katmanları ekleyerek, her metin parçasına zengin bir bağlam sağlar.

Çok sayıda AI platformu, müşteri incelemelerindeki bağlam veya alaycılık ile mücadele eder. Yogi, yapılandırılmamış, duygusal olarak karmaşık verileri nasıl ele alır?

Bunu, sürekli eğitim ve kullanıcı girdisi ile ele alıyoruz. Modelimiz, alaycılık, belirsizlik veya değişen argo gibi örnekleri sürekli tüketerek iyileşir. Kullanıcıların sorunlu yorumları işaretlemelerine de izin veririz ve bunları daha sonra eğitim sürecimize geri besleyebiliriz. Bu ajuste, milyonlarca örnek gerektirmez, sadece birkaç hedef örnek, performansını anlamlı bir şekilde cải thiện edebilir.

Yogi, şirketlerin ürün seviyesinde sorunları tespit etmesine, sentiment değişikliklerini izlemesine ve gerçek zamanlı tepki vermesine nasıl yardımcı olur? Bir başarı hikayesi paylaşabilir misiniz?

Kesinlikle. Genellikle üç kullanım durumunu görüyoruz. İlk olarak, ürün inovasyonu: şirketler, yeni bir ürün çıkarmadan önce Yogi’yi kullanarak yeni kategoriler keşfetmek ve karşılanmayan ihtiyaçları belirlemek için kullanır. Müşterilerimiz, ürün çıkarmadan iki yıl önce Yogi’yi kullanarak her şeyi, formülden ambalaja kadar şekillendirmek için kullanmışlardır.

İkincisi, ürün kalitesi: bir ekip bir bileşen değiştirdiğinde – örneğin, bir kahve makinesinin bir parçasını – sonra yayınlanan sentimenti izleyerek şikayetlerin artıp artmadığını takip edebilir. Bu, güzellik, gıda ve elektronik gibi sektörler dahil olmak üzere tüm sektörlerde geçerlidir.

Üçüncüsü, stratejik analiz: şirketlerin potansiyel satın almaları değerlendirmek için Yogi’yi kullanarak hedef ürünlerin müşteri geri bildirimi analizini yapmalarını gördük. Bu, daha önce erişemedikleri bir tür due diligence katmanıdır.

Yogi şimdi PDP’leri optimize etmek, pazarlama mesajlarını hizalamak ve hatta sevkiyat sorunlarını takip etmek için kullanılıyor. Ürün, bu kadar çok iş akışını desteklemek için nasıl evrimleşti?

Bu, tamamen müşteri odaklıdır. Müşteri geri bildiriminin, şirketin her takımına – ürün, satış, destek – ilgili olduğuna inaniyoruz. Müşterilerimiz, yeni bir amaç için kazanımlar çekerken, Yogi’nin bu kullanım durumunu yerli olarak destekleyip destekleyemeyeceğini sorarız. İşte böyle büyüdük. Aslında pazarlama veya tedarik zinciri için inşa etmedik, ancak bu takımlar değer gördü ve özellikler istedi. Dinledik.

Şirketlerin rakiplerini izlemelerine ve tehdit haline gelmeden önce disruptörleri tespit etmelerine nasıl yardımcı oluyorsunuz?

Public kaynakları – incelemeleri ve derecelendirmeleri – kullanarak rakip ürünlerin gerçek zamanlı takibini sağlıyoruz. Platformumuz, uyarılar ve bir “kazanımlar akışı” kullanarak, bir rakip ürün için olumlu sentimentte bir artış gibi olağanüstü bir şey olduğunda dikkat çeker. Müşterilerimizin her şeyi manuel olarak izlemesine gerek yoktur. Yogi sürekli tarama yapar ve hiçbir talebe gerek kalmadan dikkat çekici herhangi bir şeyi ortaya çıkarır.

AI destekli tüketici içgörülerinin önümüzdeki üç ila beş yılda nasıl gelişeceğini öngörüyorsunuz ve Yogi bu ortamda nasıl bir rol oynayacak?

İki ana değişim geliyor. İlk olarak, otomatikleştirme. Haftalar alan görevler – örneğin, bir rakip karşılaştırması derlemek – şimdi saatlere veya dakikalara indirgeniyor. Yakında, bir kullanıcı Yogi’ye bir soru sorabilir ve tam olarak formatlanmış bir rapor veya slayt sunusu alabilir.

İkincisi, yeni analiz türlerinin ortaya çıkışı. AI, önce çok pahalı veya zaman alıcı olan hızlı, iteratif araştırmaları mümkün kılacak – örneğin, public veriden ad-hoc odak grupları benzeri kazanımlar. Yogi’nin her iki cephede de liderlik edecek konumda olduğuna inaniyoruz: araştırmaları hızlandırarak ve tamamen yeni iş akışlarını ermögileyerek.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Yogi‘yi ziyaret edebilir.